bash - bash 中的错误排序与不同的列？

Question

我正在处理一个文件，该文件包含 3 个值、一个 ID(如果您好奇的话，它们恰好是蛋白质 ID)、一个值，然后是另一个值。它是制表符分隔的，因此看起来像这样:

A2M     0.979569315988908       1
AACS    0.925340159491081       1
AAGAB   0.982296215686199       1
AAK1    0.736903840140103       1
AAMP    0.00589711816127862     0.138868449447202
AARS2   1       1
AARS    3.13300124295614e-05    0.00212792325492566
AARSD1  0.527417792161261       1
AASDH   0.869909252023668       1
AASDHPPT        0.763918221284724       1
AATF    0.691907759125663       1
ABAT    0.989693691462661       1
ABCA1   0.601194017450064       1
ABCA5   1       1
ABCA6   1       1

我感兴趣的是按字母顺序对这些 ID 进行排序并提取各种值。但是，我注意到 sort 对 ID 的排序方式不同，具体取决于我提取的内容。当我执行时:

    cut --fields\=1,2 input.txt|sort --key=1

生成的文件是:

A2M     0.979569315988908
AACS    0.925340159491081
AAGAB   0.982296215686199
AAK1    0.736903840140103
AAMP    0.00589711816127862
AARS2   1
AARS    3.13300124295614e-05 
AARSD1  0.527417792161261
AASDH   0.869909252023668
AASDHPPT        0.763918221284724
AATF    0.691907759125663
ABAT    0.989693691462661
ABCA1   0.601194017450064
ABCA5   1
ABCA6   1

但是当我执行时:

cut --fields\=1,3 input.txt|sort --key=1

我明白了

A2M     1
AACS    1
AAGAB   1
AAK1    1
AAMP    0.138868449447202
AARS    0.00212792325492566
AARS2   1
AARSD1  1
AASDH   1
AASDHPPT        1
AATF    1
ABAT    1
ABCA1   1
ABCA5   1
ABCA6   1

请注意，AARS 和 AARS2 的位置互换了，这不应该互换，因为我只是根据第一列进行排序。我从来没有见过这样的行为，我已经使用 bash 一段时间了。这是一个错误，还是我做错了什么？

Answer 1

--key=1 选项告诉 sort 使用从行首到行尾的所有“字段”对输入进行排序。正如 @rici 首先观察到的，默认情况下这是一种区域设置敏感排序，并且在许多区域设置中，出于整理目的，空格会被忽略。这似乎就是这里正在发生的事情。

如果你想只对蛋白质 ID 进行排序，那么应该是这样的:

cut --fields=1,2 input.txt | sort --key=1,1
cut --fields=1,3 input.txt | sort --key=1,1

@rici 解释了如何通过指定考虑空白的排序顺序来解决问题。